英語の原文: https://argusic.com/subject/audiotext
audiotext
ファイル、URL、YouTube 動画、またはマイクから音声と動画を文字起こしし、その後、トランスクリプトの編集、翻訳、要約、字幕付け、およびトランスクリプトとのチャットができるデスクトップアプリです。
動作するソース: GitHubPythonMITコミット b0c5e5092871
Python、MIT ライセンス. プロジェクト自身の表記: audio to text、customtkinter、ffmpeg、python、speech recognition、speech to text、speech to text api、subtitles generator.
audiotext は動作します。Argusic のエージェントが GPU のないクリーンなマシンで 9 分でインストールし、2 件のエラーに遭遇してすべてを自力で修正し、セッション全体が記録されました。
All 554 tests pass, the desktop GUI opens a mapped window on Xvfb, and the CLI transcribes audio files with WhisperX on CPU.
クリーンなマシンでエージェントが最終的に得た結果 (エージェント自身の言葉)。 計測方法
Argusic が毎回新しいマシンで計測しています。 すべての数値はその証拠にリンクしています。 Argusic スコア 100 点中 100 点 (このプロジェクトの実行スコアの平均)。
概要
プロジェクトのデータは GitHub から取得 (このページの冒頭にリンクあり)、更新日 。テストデータは Argusic によるもので (CC BY 4.0)、すべての数値は、完全なログ、録画、それらの sha256 ハッシュを含む実行ページにリンクしています。
計測した内容
この判定を決めた実行から取得しています。 各行は記録された値であり、推定値ではありません。
うまくいかなかった点 (エージェント自身の言葉)
エージェント自身の言葉を、深刻なものから順に掲載しています。助言に書き換えることはありません。
- Missing system packages: python3-tk, libtk8.6, libtcl8.6, tk8.6-blt2.5 (tkinter not available for Python 3.12)3 分
- Missing system package: libportaudio2 (sounddevice could not find PortAudio)1 分
- インストール時間
- 9 分
- クリーンなマシンから完了まで
- 8 分
- 遭遇したエラーと修正したエラー
- 2 件に遭遇、2 件を人の手を借りずに修正
- 結果の証明方法
- pytest --tb=no -q exited 0 with 554 passed; xwininfo -root -tree confirmed a 1280x800 'Audiotext' Tk window on :99; cli.py transcribe /tmp/test_tone.wav -m whisperx --model-size tiny --cpu --output-types txt --language en completed 'Done in 3 s'; cli.py --version printed 'audiotext 3.0.0'; cli.py check-update reported the latest release; ffprobe confirmed the test audio file is a valid 2-second WAV.
- 使用したモデルのトークン
- 295,726
- テストした正確なコミット
- b0c5e5092871
- コンテナイメージ
- sha256:cdd920bce783
計測していない内容
残りの半分です。この証拠がどこまでを示すのかを正確に確認できます。欠けている部分は欠けているものとして表示し、埋めることはありません。
- GPU メモリのピーク
- CPU マシンで実行したため、サンプリングする GPU がありませんでした
- 長時間の実行での振る舞い
- 各試行はドキュメントにある最小の設定と決まった時間予算を使うため、計測しているのは動作するかどうかであり、負荷のもとでどう持ちこたえるかではありません
録画の最後
この判定を決めたターミナルセッションの最後の行を、記録されたとおりに表示しています。
Audiotext 3.4.0 is available (installed: 3.0.0). Download it from https://github.com/HenestrosaDev/… exit=0 Everything works end-to-end. Let me compile the final result. exec /bin/sh -lc 'cd /work/repo && . venv/bin/activate && set -a && . /tmp/audiotext_env.sh && set +a &&… succeeded in 36403ms: -- Docs: https://docs.pytest.org/en/stable/how-to/capture-warnings.html 554 passed, 2 warnings in 35.74s All systems verified. Here is the final report: tokens used 295,726 All systems verified. Here is the final report:
セッション全体を再生 (クリーンなマシンからこの時点までのすべてのコマンド)。
テスト方法
1 つのエージェント、1 つのコンテナで、人の手は借りません。エージェントはプロジェクト自身のドキュメントに書かれた方法でインストールし、実行し、壊れた部分を修正します。以下はすべて、実際に起きたとおりに記録されています: ターミナルセッション、ログ、そして正確なコミットです。 評価方法の全文.
強みと限界
意見ではなく、計測された事実です。コンテンツの作成方法.
うまくいった点
- クリーンなマシンで実行状態に達し、セッションが記録されました。
- 9 分でインストールできました。
- 2 件のエラーすべてから、人の介入なしに回復しました。失敗が解決できる程度にはドキュメント化されていることを示しています。
- GPU なしで動作したため、起動に GPU は必要ありません。
- ホストの報告によると、ライセンスは MIT です。
うまくいかなかった点、または不明な点
- これまでの計測は 1 回です。1 回の試行は動作し得ることを示すだけで、安定して動作することは示しません。
適している用途
- ノートパソコンや小さなサーバーで試す場合: GPU なしで実行状態に達しました。
- 手早く評価したい場合: クローンから 9 分後には動作していました。
同じ分野でテストしたプロジェクト
ここに挙げたものはすべて、Argusic がクリーンなマシンにインストールして実行しました。テストしていないものは表示されません。
実行履歴
トピック (出典: GitHub)
audio-to-textcustomtkinterffmpegpythonspeech-recognitionspeech-to-textspeech-to-text-apisubtitles-generatortranscribervideo-to-textwhisperx
バッジを埋め込む
プロジェクトの README に貼る Markdown です。バッジはこのページにリンクします。利用条件: 利用規約ページ.
[](https://argusic.com/subject/audiotext)質問
- audiotext は動作しますか?
- はい。audiotext は動作します. Argusic はクリーンなマシンで 9 分でインストールして起動し、途中で 2 件のエラーに遭遇し、セッションを記録しました。
- Argusic は audiotext をどのようにテストしましたか?
- 新しい使い捨てのマシンで、すべてのコマンドを記録しながらテストしました (リポジトリはコミット b0c5e5092871 に固定)。記録された試行は 1 回で、手順の全体は評価方法のページに掲載しています。
- audiotext のテストにはいくらかかりましたか?
- この判定を出した実行のコストは 0.06 USD です: 100 万トークンあたりの定価ではなく、実際の計算資源とモデルのコストです。その実行のページに記録されています。
- audiotext のインストールにはどのくらい時間がかかりますか?
- この判定を決めた実行では、クリーンなマシンから実行状態まで 9 分でした。これは 1 回の計測された試行であり、平均ではありません。
- audiotext には GPU が必要ですか?
- 起動には必要ありません。Argusic は GPU のないマシンで実行状態に達しました。
- audiotext のインストールでは何がうまくいきませんか?
- 記録された実行では 2 件の問題が発生しました。そのうち 2 件は人の手を借りずに修正されました。それぞれの問題と、かかった時間をこのページに掲載しています。
- audiotext の証拠はどこにありますか?
- 記録された実行をこのページに掲載しており、それぞれが完全なログとターミナル録画にリンクしています。録画は sha256 フィンガープリントとともに保存されているため、こっそり改変することはできません。